CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Driving Pattern Recognition and Prediction Using Neural Networks

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۹۰۵ | نظرات: ۰
سرفصل ارائه مقاله: System Dynamics Vibration and Control - Other
سال انتشار: ۱۳۸۷
کد COI مقاله: ISME16_906
زبان مقاله: انگلیسی
حجم فایل: ۲۱۵.۸۴ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Driving Pattern Recognition and Prediction Using Neural Networks

  Morteza Montazeri-Gh - Associated Professor, Systems Simulation and Control Lab, Department of Mechanical Engineering, Iran University of Science and Technology, Tehran, Iran
  Abbas Fotouhi - PhD Student, Systems Simulation and Control Lab, Department of Mechanical Engineering, Iran University of Science and Technology, Tehran, Iran

چکیده مقاله:

In this study, traffic condition recognition and prediction is performed using real velocity data recorded in the city of Tehran. Data gathering was done using the global positioning systems (GPS) which saved vehicle’s velocity each second. Using the velocity time series, traffic groups are defined. Average velocity is used as a characteristic parameter of the traffic groups. The traffic groups are classified into four traffic conditions regarding to their average velocity. After driving condition classification, neural networks are used for driving condition prediction. A radial basis
function (RBF) network is utilized for forecasting the traffic condition in the near future. Using the RBF network, the percent of correct predictions achieve to 95%, 82% and 65% for 1, 5 and 60 seconds ahead respectively.

کلیدواژه‌ها:

Driving Pattern Recognition, GPS, Prediction, Neural Networks

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ISME16-ISME16_906.html
کد COI مقاله: ISME16_906

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Montazeri-Gh, Morteza & Abbas Fotouhi, ۱۳۸۷, Driving Pattern Recognition and Prediction Using Neural Networks, شانزدهمین کنفرانس سالانه مهندسی مکانیک, کرمان, دانشکده فنی مهندسی دانشگاه شهید باهنر, https://www.civilica.com/Paper-ISME16-ISME16_906.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Montazeri-Gh, Morteza & Abbas Fotouhi, ۱۳۸۷)
برای بار دوم به بعد: (Montazeri-Gh & Fotouhi, ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Forster, I., and Bumby, J. R., *Optimization and Control of ...
  • Jeon, S. I., Jo, S. T., Jo, H. S., Park, ...
  • control Intelligent"؛ [3] Montaz eri-Gh and M. Asadi, for HEV ...
  • Montaz eri-Gh and M. Asadi, ،+Influence of the Road Grade ...
  • Richard Saeks, Chadwick J. Cox, James Neidhoefer, Paul R. Mays, ...
  • Cristian Musardo, Giorgio Rizzoni and Benedetto Staccia, 00A-ECMS: An Adaptive ...
  • Soon-il Jeon, Sung-tae Jo, Yeong-il Park, Jang-moo Lee, ،#Multi-Mode Driving ...
  • CHAN- CHIAO LIN, SOONIL JEON, HUEI PENG Pattern Driving؛ AND ...
  • YUVAL, ،Neural Network Training for Prediction of C limatological Time ...
  • Singh, S.، 0A Long Memory Pattern Modelling and Recognition System ...
  • Hussein Dia, ،An obj ect-oriented neural network approach to short-term ...
  • M. Montazeri -Gh, H. Varasteh and M. Cycle Simulation for ...
  • Simon Haykin, ،Neural Networks?, Mcmillan College Publishing Company, 1994. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۷۹۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.